目前,3D图像在多个领域得到广泛的应用,但是其图像质量却很难得到保证,例如在图像采集期间由于设备不精确引入的受损,或是在图像传输过程中引入的受损等。因此,高效、准确的3D图像质量评价算法对于3D多媒体的应用和3D技术的发展具有重要的意义。本文立足于人眼视觉特性,提出一种基于多元混合模型的无参考3D图像质量评价算法。算法首先采用Gabor滤波器提取3D图像在不同空间频率下的图像信息;然后,根据不同空间频率下的图像滤波结果构建“融合图”和差分图,分别用来模拟人眼双目视觉特性和表述3D图像的非对称受损信息;之后,采用标准高斯分布拟合归一化之后的“融合图”和差分图,将其进行特征化处理;最后,训练支持向量回归模型构建从特征向量到主观评价结果之间的非线性映射关系。除此之外,本文还尝试采用结构相似性度量方法来表述3D图像的非对称受损信息。实验结果表明,本文提出的无参考3D图像质量评价算法能够与主观评价结果保持较高的一致性。同时,本文还探究了深度学习在3D图像质量评价领域的应用。在所提出的3D图像质量评价网络中,首先采用孪生网络对3D图像的左右视图进行特征表示;然后采用多层感知机对特征进行筛选;最后,通过带有正则项的岭回归来训练整个3D图像质量评价网络。实验结果表明,深度学习具有应用于3D图像质量评价领域的可能。